Moonshot pubblica i pesi di Kimi K3.1 Pro, Cognition lancia SWE-2 Flash, RoboColosseum valuta i robot in condizioni reali

Moonshot AI mantiene la promessa e pubblica su Hugging Face i pesi di Kimi K3.1 Pro, un MoE da 2,8T parametri, con una licenza di tipo MIT che prevede condizioni per i maggiori rivenditori. Cognition lancia SWE-2 Flash, un modello per il codice basato su Inkling-Small e cinque volte meno costoso di SWE-2, e RoboColosseum fa valutare policy robotiche su oltre 100 robot reali. OpenAI acquisirà Pierre, i cui strumenti sono già utilizzati da Codex, mentre VS Code 1.145 riunisce Copilot, Claude e Codex nella stessa sessione e GitHub Copilot entra nell’assistente di codice di Xcode.

Moonshot AI pubblica come promesso su Hugging Face i pesi di Kimi K3.1 Pro, un MoE da 2,8T parametri

4 novembre — Al lancio di Kimi K3.1 Pro, il 23 ottobre, Moonshot AI aveva promesso i pesi completi entro il 4 novembre: la promessa è stata mantenuta. Il repository moonshotai/Kimi-K3.1-Pro, creato il 2 novembre e annunciato da @Kimi_Moonshot il 4 novembre alle 16:00 UTC, è liberamente accessibile, senza moduli da compilare: 96 file safetensors, circa 1,56 To in totale.

La scheda del modello approfondisce quanto riassunto nell’annuncio di lancio. Kimi K3.1 Pro, che Moonshot AI presenta come il suo modello «di classe 3T» più capace, è nativamente multimodale (testo e immagini) e deriva dal post-training di Kimi K3. Rispetto a Kimi K3 viene segnalato un cambiamento nell’architettura: i suoi strati di attenzione completa Gated MLA lasciano il posto a 24 strati Gated DeepSeek Sparse Attention (Gated DSA), più efficienti sui contesti lunghi. I pesi vengono forniti in MXFP4, con attivazioni in MXFP8, un formato appreso già durante l’addestramento (quantization-aware training).

Caratteristica tecnica	Valore secondo la scheda
Parametri totali e attivi	2,8T, di cui 104B attivi
Strati della rete	93, di cui 69 KDA e 24 Gated DSA
Esperti del MoE	896, di cui 16 per token e 2 condivisi
Finestra di contesto	1 048 576 tokens
Formato dei pesi	MXFP4, attivazioni in MXFP8
Encoder visivo	MoonViT-V2, 401M parametri
File pubblicati	96 safetensors, circa 1,56 To

Moonshot AI consiglia vLLM, SGLang e TokenSpeed per il serving del modello, accessibile anche tramite l’API di platform.kimi.ai (identificativo kimi-k3.1-pro). Together AI, elencato tra i fornitori di inferenza della pagina, lo offre già e propone di sottoporlo a post-training (vedere le Brevi). La scheda insiste su un punto relativo all’integrazione: nelle conversazioni a più turni o con chiamate agli strumenti, il messaggio completo dell’assistente, ragionamento compreso, deve essere reinviato al modello così com’è. Vengono riproposti i punteggi presentati al lancio: 65,7 su Terminal-Bench 4.0, appena dietro Claude Opus 5.5 (66,4), e 51,7 su SWE Marathon v1.1, il miglior punteggio della tabella, con Kimi K3.1 Pro valutato usando Claude Code come harness.

La licenza, denominata «Kimi K3.1-Pro License», riprende la struttura di una licenza MIT (uso, modifica, ridistribuzione e vendita consentiti) con due condizioni. Un’azienda che svolge un’attività di modello come servizio (Model as a Service), offrendo a terzi accesso all’inferenza o al fine-tuning, e il cui fatturato cumulativo supera i 20 milioni di dollari in dodici mesi consecutivi deve firmare un accordo separato con Moonshot AI prima di qualsiasi uso commerciale. Un prodotto commerciale con oltre 100 milioni di utenti attivi mensili, o con oltre 20 milioni di dollari di ricavi mensili, deve mostrare «Kimi K3.1-Pro» in modo visibile. Le condizioni non riguardano né l’uso interno né l’uso tramite i prodotti ufficiali di Moonshot AI o i suoi partner di inferenza certificati.

🔗 Kimi K3.1 Pro su Hugging Face · L’annuncio di Moonshot AI su X

Cognition lancia SWE-2 Flash, un modello per il codice basato su Inkling-Small e cinque volte meno costoso di SWE-2

4 novembre — Cognition lancia SWE-2 Flash, un modello per il codice rapido ed efficiente, disponibile immediatamente in Devin Desktop e nella CLI Devin, e gratuito fino al 30 novembre (per gli abbonati Pro, Max e Teams, precisa il thread di annuncio). Cambia il modello di base: mentre SWE-2, uscito il 10 settembre, era stato sottoposto a post-training a partire da Kimi K3, SWE-2 Flash parte da Inkling-Small, il modello a pesi aperti di Thinking Machines (276B parametri, di cui 12B attivi). Cognition lo presenta come un modello per il codice interamente americano (fully American coding model). Secondo l’azienda, costa cinque volte meno di SWE-2 ed è tre volte più veloce, senza che siano state pubblicate tariffe assolute; la dimostrazione di velocità (200 contro 60 token al secondo) è una riproduzione simulata di un’attività.

Introducing SWE-2 Flash, our new fast & efficient coding model. On leading evals, it outperforms all American open-weight models, even ones 3x larger. To balance transparency and cyber risks, we are building a program to securely share the weights with partners & researchers.

🇮🇹 Ecco SWE-2 Flash, il nostro nuovo modello per il codice rapido ed efficiente. Nelle principali valutazioni supera tutti i modelli americani a pesi aperti, anche quelli tre volte più grandi. Per conciliare trasparenza e rischi informatici, stiamo avviando un programma di condivisione sicura dei pesi con partner e ricercatori. — @cognition su X

La novità riguarda anzitutto il metodo. Per la prima volta, Cognition inserisce una fase intermedia di addestramento (mid-training) prima dell’apprendimento per rinforzo: alcune migliaia di miliardi di token di articoli scientifici, blog e codice, in tre fasi che riservano i dati più rari e più curati alla fine. Segue poi un RL su larga scala, i cui miglioramenti derivano soprattutto da attività più varie e meglio verificate. Risultato dichiarato rispetto al modello di base: Terminal-Bench 4.0 passa dallo 0,9 % al 20,0 %, FrontierCode 2.0, il benchmark interno, dal 3,2 % al 24,0 %, ed ExploitBench dall’11,3 % al 34,8 %.

Benchmark (%)	SWE-2 Flash	Inkling-Small (base)	Muse Spark Open	GLM 5.3 Flash	SWE-2
Dimensioni (totali-attivi)	276B-A12B	276B-A12B	816B-A42B	320B-A18B	2,8T-A104B
FrontierCode 2.0	24,0	3,2	6,2	14,2	23,8
Terminal-Bench 4.0	20,0	0,9	8,0	41,8	27,3
DeepSWE 1.1	60,1	17,4	60,0	63,4	73,0
SWE-Atlas QA	50,0	27,4	54,0	56,5	56,3
ExploitBench	34,8	11,3	—	36,0	36,1

La tabella del post ridimensiona l’affermazione principale. Muse Spark Open di Meta, tre volte più grande, mantiene il vantaggio su SWE-Atlas QA (54,0 contro 50,0) ed è alla pari su DeepSWE 1.1. Rispetto ai modelli aperti cinesi, il bilancio è misto: SWE-2 Flash supera GLM 5.3 Flash e DeepSeek V4.1 Flash su FrontierCode 2.0, ma resta molto indietro su Terminal-Bench 4.0 (20,0 contro 41,8 e 42,3). Batte di un soffio SWE-2 su FrontierCode 2.0, senza raggiungerlo in nessun’altra riga.

I pesi per ora non sono pubblicati. Cognition si è concentrata sulla cybersicurezza durante l’addestramento e ricorda che queste capacità sono utili anche agli attaccanti, come avrebbe dimostrato, secondo l’azienda, una recente ondata di attacchi informatici. L’azienda sta preparando un programma di condivisione sicura dei pesi con partner industriali e laboratori di ricerca fidati, che potrebbero eseguire il fine-tuning del modello e utilizzarlo in ambienti sensibili; i dettagli sono promessi tra qualche settimana.

🔗 Presentazione di SWE-2 Flash (Cognition)

Agenti per il codice: Claude Code 2.1.318, VS Code 1.145, Copilot in Xcode, Vibe CLI 3.1.0 e Antigravity 2.29.0

Claude Code 2.1.318 segnala la scadenza delle connessioni e Haiku 5.5 scrive la riga di stato dei sottoagenti

4 novembre — Claude Code 2.1.318 conta 84 voci, di cui 47 correzioni. Arrivata su npm il 3 novembre alle 21:55 UTC, ha visto pubblicare le proprie note su GitHub poco dopo la mezzanotte UTC; il canale stabile di npm resta sulla 2.1.311. La novità più utile riguarda le connessioni claude.ai salvate, che hanno una scadenza: la data di scadenza compare ora in claude auth status (loginExpiresAt) e nei risultati JSON di claude -p (credential_expires_at), e claude -p avvisa su stderr dieci giorni prima della scadenza. Un’attività automatizzata non scopre più la scadenza soltanto quando fallisce.

Ambito interessato	Novità della 2.1.318
Sessioni cloud	Opzione No repository: una sessione in un ambiente ospitato da Anthropic, senza scegliere un repository
Sottoagenti in background	Un comando shell passa in background dopo 3 minuti, per evitare che la cache del prompt scada
Amministrazione	`deniedMcpServers` blocca anche i server forniti da Anthropic il cui URL upstream corrisponde, `assume_role` sugli upstream `mantle`
Estensione IDE	Non viene più installata all’avvio nel terminale di un IDE: usare `/ide`
Runner self-hosted	Nuovo formato dei log dell’orchestratore, da rivedere gli script che cercano `retryable=true:`

Lo stesso giorno, @ClaudeDevs annuncia una modifica che nessuna nota di versione, dalla 2.1.316 alla 2.1.318, descrive. La riga di stato di un sottoagente in background, aggiornata ogni 30 secondi, finora rileggeva tutta la sua conversazione; ora viene scritta da Haiku 5.5 a partire da brevi note, mentre il sottoagente mantiene il proprio modello. Secondo Anthropic, ogni aggiornamento costa circa il 99 % in meno e le sessioni con sottoagenti in background hanno consumato circa il 5 % in meno del limite, consentendo circa il 6 % di prompt in più. La modifica vale per la maggior parte degli abbonati Pro, Max e Ultra e per tutti gli abbonati Team ed Enterprise, con Claude Code 2.1.316 o successivo; Lydia Hallie, del team Claude Code, precisa che riguarda soltanto la CLI.

🔗 Note di versione di Claude Code 2.1.318 · Il thread di @ClaudeDevs su Haiku 5.5

VS Code 1.145 combina gli harness Copilot, Claude e Codex nella stessa sessione

4 novembre — VS Code 1.145 prosegue il passaggio agli agenti. La principale novità, in anteprima: una stessa sessione può riunire conversazioni annidate eseguite su harness diversi, per esempio Claude che rivede il piano scritto da una conversazione Copilot, oppure Codex a cui viene affidata la stessa attività, fianco a fianco. Ogni conversazione mantiene il proprio modello, il proprio agente e i propri livelli di autorizzazione. L’idea amplia Compare Models, arrivato in anteprima con VS Code 1.143.

Le automazioni locali ora accettano una pianificazione tramite espressione cron e possono utilizzare un agente personalizzato dello spazio di lavoro; le automazioni cloud non dispongono di questa possibilità. Per gli agenti remoti, il browser integrato della finestra Agents passa attraverso l’host remoto, permettendo di visualizzare in anteprima l’applicazione avviata dall’agente su quella macchina (anteprima). L’harness Copilot resta la scelta predefinita per le nuove sessioni, con una guida alla transizione dall’harness Local, che perde tre strumenti (#installExtension, #runCommand e #newWorkspace) oltre al comando /new: gli agenti personalizzati e i file di prompt che li citano devono essere corretti. In ambito aziendale, l’elenco dei server MCP autorizzati gestito dall’organizzazione ha ora la precedenza sulla restrizione al registro.

🔗 Note di versione di VS Code 1.145

GitHub Copilot arriva nell’assistente di codice integrato di Xcode, in anteprima pubblica

4 novembre — GitHub Copilot ora funziona nell’assistente di codice integrato in Xcode, in anteprima pubblica a partire da Xcode 27.3 beta, su un Mac con macOS Tahoe 26.6 o successivo. L’integrazione si configura nelle impostazioni di Xcode, nella sezione Intelligence, e funziona con tutti i piani Copilot. È un secondo punto di accesso per gli sviluppatori Apple: l’estensione GitHub Copilot for Xcode, distribuita separatamente, resta disponibile. GitHub non precisa né i modelli proposti né le funzioni accessibili dall’assistente di Apple e raccoglie i feedback nel repository dell’estensione o tramite lo strumento di segnalazione di Apple (Feedback Assistant).

🔗 GitHub Copilot nell’assistente di codice di Xcode

Vibe CLI 3.1.0 aggiunge /context, un indicatore dell’utilizzo mensile e la lettura delle immagini

4 novembre — Mistral pubblica Vibe CLI 3.1.0, la prima versione minore dalla 3.0.0 del 19 ottobre, senza annunci su X: 67 voci (11 aggiunte, 25 modifiche, 29 correzioni e 2 rimozioni). Il comando /context mostra cosa occupa la finestra di contesto (prompt di sistema, definizioni degli strumenti, skill, conversazione, spazio libero e riserva per la compattazione automatica), con una stima in token per categoria. Il piè di pagina mostra la quota consumata dell’utilizzo mensile di Vibe Code, prima in giallo e poi in rosso, oppure la dicitura PAYG quando subentra il pagamento a consumo. Lo strumento read_file apre anche le immagini con un modello in grado di leggerle, Ctrl+R cerca nella cronologia dei prompt (la registrazione vocale passa a Ctrl+T) e arriva un connettore MCP sperimentale di Mistral.

Diverse correzioni riguardano Mistral Large 4: un turno avviato senza livello di ragionamento non fallisce più con un errore 400, il selettore propone Low, High e Max e la modalità smart approve non richiede più un’approvazione a ogni chiamata agli strumenti con i modelli che non possono interrompere il proprio ragionamento, come GLM 5.3. L’impostazione smart_approve_default viene rimossa a favore di default_agent = "smart-approve".

🔗 Note di versione di Vibe CLI 3.1.0

Antigravity 2.29.0 inizia a distribuire una modalità vocale Gemini Live e agenti remoti nel cloud

3 novembre — La versione 2.29.0 dell’applicazione Antigravity (22 miglioramenti, 13 correzioni) avvia il rilascio graduale di due funzioni. La modalità vocale, basata su Gemini Live, permette di parlare con Antigravity e di affidare richieste all’agente tramite la voce. Gli agenti remoti (remote agents) arrivano per gli abbonati Google AI Ultra e Pro: le conversazioni di un progetto cloud vengono eseguite nel cloud anziché sul computer e rimangono accessibili da antigravity.google.com/remote. Antigravity poteva già essere controllato da remoto con Remote Control da agosto, ma allora la sessione veniva eseguita sulla macchina dell’utente; questa volta è l’esecuzione stessa a lasciare il computer.

La versione aggiunge anche un visualizzatore nativo di notebook Jupyter, una pagina delle automazioni rinnovata (pianificate, sempre attive, in pausa) e, nel browser integrato, i download e una cronologia di navigazione. Sul fronte delle correzioni, i worktree Git creati per i sottoagenti includono ora le modifiche locali non sottoposte a commit.

🔗 Il changelog di Antigravity

RoboColosseum valuta le politiche robotiche su una flotta di oltre 100 robot reali

4 novembre — RoboColosseum apre le porte: un’iniziativa di valutazione aperta che misura le politiche robotiche al di fuori dei laboratori e dei simulatori, su una flotta di robot impiegati in condizioni reali (in-the-wild), come umanoidi Unitree G1 nelle abitazioni o bracci YAM nei ristoranti. Il suo sito indica come fondatori NUS MAGIC Lab, BitRobot, EAIC Singapore e Hugging Face, che si presenta come partner fondatore. Il thread di lancio annuncia oltre 100 robot, più di 140 scene e 10 000 ore di valutazione gratuite, assegnate previa candidatura.

Robotics has an evaluation problem. Most benchmarking efforts have measured progress in sim or labs.

🇮🇹 La robotica ha un problema di valutazione. La maggior parte degli sforzi di misurazione ha seguito i progressi nella simulazione o in laboratorio. — @RoboColosseum su X

Coesistono due percorsi. L’Open Track mette a confronto due modelli anonimi che ricevono la stessa istruzione inedita nella stessa scena: un valutatore umano sceglie l’esecuzione migliore o dichiara un pareggio. Il Fine-tune Track esegue il fine-tuning di ogni modello sullo stesso compito a partire dalle stesse 100 dimostrazioni, poi gli concede 25 tentativi. La prima campagna mette a confronto cinque politiche visione-linguaggio-azione (VLA) con tre modelli di frontiera.

Politica valutata (Franka, Open Track)	Sviluppatore del modello	Punteggio DCR (±1 deviazione standard)	Confronti alla cieca
GPT-6 Astra	OpenAI	1 925 ±38	194
MolmoAct2	Ai2	1 869 ±24	1 859
G0.5	Galaxea	1 744 ±27	1 626
Claude Opus 5.5	Anthropic	1 636 ±47	206
GR00T N1.7	NVIDIA	1 350 ±36	1 797
π0.5	Physical Intelligence	1 285 ±43	1 845
LingBot-VLA v2	Robbyant	1 233 ±56	1 603
Grok 4.7	SpaceXSI	1 160 ±128	193

Sul braccio Franka, la classifica online dell’Open Track (dati del 4 novembre, aggiornati ogni ora, 4 662 confronti valutati alla cieca) colloca GPT-6 Astra in testa, davanti a MolmoAct2 di Ai2, ma il divario rimane entro le barre d’errore e i modelli di frontiera vi contano solo circa 200 confronti ciascuno, contro oltre 1 600 per ogni VLA. Ai2 sottolinea che MolmoAct 2 si classifica secondo senza addestramento aggiuntivo per questi compiti.

L’articolo che accompagna il lancio, pubblicato su arXiv il 2 novembre, ridimensiona questo quadro sulla base di 5 699 confronti condotti in 124 siti: gli agenti di frontiera competono con i VLA specializzati, ma nessun sistema svolge in modo affidabile i compiti in un mondo aperto. Dopo il fine-tuning, GR00T N1.7 passa in testa su SO-101 e π0.5 su Franka e sulla postazione bimanuale YAM, e le classifiche dell’Open Track prevedono male quelle ottenute dopo il fine-tuning. Sull’umanoide G1, nessuna politica completa nemmeno uno dei cinque compiti, con un avanzamento medio dal 13,3 % al 23,2 %. Tutte le esecuzioni, compresi i fallimenti, sono pubblicate su Hugging Face nel formato LeRobot.

🔗 Il thread di lancio di RoboColosseum · La classifica RoboColosseum · L’articolo arXiv 2611.02497

OpenAI acquisirà Pierre Computer Company, i cui strumenti Trees e Diffs sono già utilizzati da Codex

4 novembre — OpenAI annuncia che acquisirà Pierre Computer Company, una piccola azienda di strumenti per sviluppatori. Il suo prodotto commerciale, Code Storage, è un’API che permette alle applicazioni di archiviare codice e tracciarne la cronologia con Git; le sue librerie open source Trees, per esplorare i file di un progetto, e Diffs, per visualizzare le modifiche, sono già integrate nell’applicazione Codex.

Today we’re announcing that OpenAI will acquire @pierrecomputer to accelerate our vision for making Codex a place where teams can build software together with AI, from first idea to the version they ship. Pierre’s open-source developer tools already power parts of Codex today. Together, we’ll build on that foundation for the agentic era.

🇮🇹 Annunciamo oggi che OpenAI acquisirà @pierrecomputer per accelerare il nostro progetto di rendere Codex un luogo in cui i team sviluppano software con l’IA, dalla prima idea alla versione che rilasciano. Gli strumenti open source per sviluppatori di Pierre fanno già funzionare alcune parti di Codex. Insieme, costruiremo su queste fondamenta per l’era degli agenti. — @OpenAINewsroom su X

OpenAI collega l’operazione a Pando, il backend Git del suo monorepo presentato due giorni prima: l’azienda vuole definire gli standard dello sviluppo software, dal primo branch creato da un agente fino al deployment, e far progredire il controllo di versione (source control) in tutto il settore una volta completata l’acquisizione. I progetti open source di Pierre rimarranno aperti e Code Storage resterà accessibile ai suoi clienti per il tempo necessario a integrarne le funzioni in Codex. L’operazione deve ancora ottenere le consuete autorizzazioni regolamentari; non sono stati comunicati né l’importo né la tempistica.

🔗 OpenAI acquisirà Pierre Computer Company

L’IA al servizio della scienza: un vault di batteriofago con Claude, NeuralGCM+ in Ai2 e FVCOM portato in Rust

Anthropic descrive con Claude la struttura 3D di un vault derivato da un batteriofago

4 novembre — Il team scientifico di Anthropic pubblica la struttura 3D di un vault prodotto a partire da una proteina di batteriofago, il primo caso nei procarioti secondo l’azienda. I vault sono grandi involucri proteici cavi, circa tre volte più pesanti di un ribosoma, scoperti nel 1986 e la cui funzione rimane sconosciuta. Questo, denominato L05 e prodotto nel batterio E. coli, conta 96 copie di una stessa proteina, contro 78 nei mammiferi, per circa 9,5 megadalton e circa il 25 % di volume in più. Una piccola molecola non identificata, alloggiata in ciascuna delle 96 copie, ricorda nella forma il coenzima A: un primo indizio su una possibile funzione, se confermato.

Claude è intervenuto in ogni fase: ricerca con Claude Science di proteine affini tra circa 15 miliardi di proteine predette, purificazione ridotta da circa tre giorni a circa 90 minuti, primo modello strutturale in 34 ore anziché diverse settimane secondo il team. Anthropic descrive anche i suoi errori: un protocollo contenente un additivo che ostacola l’ingresso del DNA nelle cellule è costato due settimane e una fase standard saltata nella criomicroscopia elettronica ha prodotto una mappa mescolata alla sua immagine speculare. La prepubblicazione è stata sottoposta a bioRxiv; Leonard Rome, co-scopritore dei vault, ha consigliato il team in qualità di consulente retribuito.

🔗 Studio delle particelle vault con Claude

Ai2 lancia NeuralGCM+, un modello climatico aperto finanziato da Google.org per tre anni

4 novembre — Ai2 avvia un programma di modellazione climatica finanziato da Google.org con diversi milioni di dollari nell’arco di tre anni (l’importo esatto non è stato pubblicato), con il supporto tecnico di Google Research. Il programma dovrà produrre NeuralGCM+, un modello open source che estende NeuralGCM di Google Research: un modello ibrido che risolve le equazioni fisiche per la dinamica su larga scala e affida all’IA i processi più fini, come la formazione delle nuvole e le precipitazioni. In un benchmark pubblico, una versione di NeuralGCM limitata alla sola atmosfera ha simulato un anno di atmosfera globale in otto minuti su un solo TPU.

Ai2 vuole accoppiarvi l’oceano e il ghiaccio marino per mantenere stabili le simulazioni nell’arco di diversi decenni, riducendo gli errori regionali di temperatura e precipitazioni sugli ultimi 50 anni. I ruoli sono ripartiti: Google Research punta a previsioni a poche settimane o mesi, Ai2 alle tendenze su anni e decenni, come l’evoluzione delle precipitazioni e dell’acqua disponibile da qui alla metà del secolo nel sud-ovest degli Stati Uniti. Modelli e framework di modellazione saranno pubblicati con workflow documentati.

🔗 Il post di Ai2 sulla collaborazione con Google

Google porta in Rust il nucleo di FVCOM, un modello oceanico Fortran di 174 000 righe, con Gemini 4 Argon

3 novembre — Un altro modo per fornire strumenti alla modellazione degli oceani: sul blog di Antigravity, Dan Gruhl e Prashant Nair, del team AI R&D di Google, raccontano come Gemini 4 Argon ha modernizzato FVCOM (Finite-Volume Community Ocean Model), un modello oceanico costiero di 174 774 righe di Fortran 90 e C distribuite in 264 file. A partire da un solo prompt, l’agente ne ha portato il nucleo in Rust con piena sicurezza della memoria, in 59 minuti, rispettando quattro vincoli: nessun codice unsafe, nessuna allocazione nei cicli di calcolo, file di meno di 400 righe e un risultato identico a quello del Fortran su 100 seed casuali.

L’audit ha fatto emergere sei bug vecchi di diversi decenni nel codice originale, tra cui un overflow di interi sulle griglie con più di 1 300 nodi. I risultati delle 100 simulazioni coincidono con quelli del Fortran fino a 12 cifre decimali.

Fase della migrazione	Tempo di esecuzione	Accelerazione misurata	Memoria massima
Fortran 90 e C originali (-O3)	883 ms	1,00x	11,84 Mo
Rust sicuro idiomatico	682 ms	1,29x	6,39 Mo
Struttura di array (SoA), senza allocazioni nei cicli	548 ms	1,61x	5,83 Mo
Ottimizzazione LLVM guidata dal profilo	469 ms	1,88x	5,48 Mo

Google presenta il metodo sotto forma di una skill open source, migrate-to-rust, presente nel repository google/skills dal 13 ottobre.

🔗 Il post di Antigravity su FVCOM

API e piattaforme per sviluppatori: Decisions API di Perplexity, filigrana predefinita di Grok, Together Compiler e Cohere su OpenRouter

La Decisions API di Perplexity cerca sul web prima di rispondere

4 novembre — Perplexity aggiunge un ancoraggio al web (web grounding) alla sua Decisions API, l’API di modelli decisionali lanciata il 1° ottobre, che risponde con probabilità anziché con testo. Finora, il modello conosceva solo il proprio addestramento e il contesto (state) inviato dallo sviluppatore. Con l’impostazione "mode": "web_grounding", il gateway avvia prima una ricerca Perplexity Fast Search per domanda (fino a 100 per richiesta), aggiunge titoli, URL e testo delle pagine al contesto e la risposta elenca le fonti in search_results. Ogni ricerca costa 0,001 dollari oltre ai token di input (0,02 dollari per milione per pplx-decider-v1.2). Con gli SDK Python e TypeScript, il parametro viene passato nel corpo della richiesta.

Misura pubblicata da Perplexity	Senza web grounding	Con web grounding
Test interno, 328 affermazioni	56,4 %	97,3 %
Test interno, latenza mediana	139 ms	366 ms
PWS-Decisions, 100 domande pubbliche	51 %	86 %

Sul benchmark pubblico PWS-Decisions, Perplexity misura anche 370 ms di latenza mediana e 685 ms al 95° percentile con la ricerca web.

🔗 Web grounding per la Decisions API

SpaceXSI applicherà per impostazione predefinita una filigrana al testo dei suoi modelli Grok nell’API a partire dal 7 novembre

3 novembre — La versione 0.2.8 dell’SDK TypeScript di SpaceXSI ha reso visibile una pagina di documentazione aggiornata il 31 ottobre: a partire dal 7 novembre 2026, al testo prodotto da grok-4.7, grok-4.6, grok-4.5, grok-4.3 e dalle tre varianti di grok-4.20 verrà applicata una filigrana per impostazione predefinita nell’API, per conformarsi all’AI Act europeo. La filigrana, invisibile, orienta leggermente la scelta dei token senza aggiungere alcun carattere; copre tutte le API di testo, inclusi gli output strutturati e gli argomenti delle chiamate agli strumenti, su tutti gli endpoint. L’header x-watermark segnala una risposta con filigrana e l’API di rilevamento, di tipo statistico, è accessibile solo su candidatura.

Solo gli amministratori del team possono disattivarla, modello per modello, con effetto entro 5 minuti, attestando che si applica un’eccezione prevista dalla legge e che il team si assume da solo i propri obblighi di marcatura; alcuni modelli possono rimanere bloccati. Anthropic ha esteso la propria filigrana di testo il 3 novembre, mentre quella di OpenAI rimane disattivata per impostazione predefinita nell’API.

🔗 Filigrana degli output, documentazione SpaceXSI

Together AI lancia Together Compiler, agenti che ottimizzano continuamente l’inferenza dei suoi modelli aperti

4 novembre — Together AI affida agli agenti l’ottimizzazione del proprio motore di inferenza. Together Compiler parte dal modello, dall’hardware e dalle caratteristiche del traffico: uno sciame di agenti propone modifiche ai kernel, un motore persistente verifica ciascuna modifica in termini di velocità e correttezza rispetto al motore originale e solo le modifiche verificate passano in produzione. Together parla di compilazione continua (continual compilation), riavviata quando cambiano il modello, l’hardware o il carico.

I miglioramenti annunciati sono quelli dichiarati da Together: fino a 2,6 volte più token per GPU a parità di velocità per utente su Kimi K3, GLM 5.3, MiniMax M3.1-Flash e DeepSeek V4.1-Flash, dopo 24 ore di compilazione su due nodi per modello, rispetto alle migliori configurazioni pubblicate sul benchmark InferenceX di SemiAnalysis; fino al 50 % più veloce sui carichi dei clienti; 1 111 e 1 205 token al secondo a bassa latenza su MiniMax M3.1-Flash e DeepSeek V4.1-Flash. SemiAnalysis afferma di aver convalidato uno dei risultati. Il compilatore è già abilitato per impostazione predefinita su DeepSeek V4.1 Flash, GLM 5.3 Flash e GLM 5.3 in modalità serverless. Together lo presenta come il primo sistema di inferenza con automiglioramento ricorsivo (recursive self-improvement) su scala di produzione, una formulazione di cui risponde soltanto l’azienda.

🔗 Together Compiler sul blog di Together AI

Cohere rende Embed 5 e Rerank 5 disponibili su OpenRouter

4 novembre — Le quattro varianti dei modelli di ricerca di Cohere (Embed 5 Pro e Fast, Rerank 5 Pro e Fast) arrivano su OpenRouter, utilizzabili con la chiave e i crediti OpenRouter esistenti, alle tariffe dell’API Cohere: 0,12 e 0,08 dollari per milione di token per gli embeddings, 0,05 e 0,02 dollari per il riordinamento (reranking). Due limiti specifici di OpenRouter: i vettori vengono restituiti in virgola mobile (int8 e binario richiedono l’API Cohere) e Rerank 5 resta limitato al testo. Il post, un tutorial sulla generazione aumentata dal recupero (RAG), ricorda che, secondo i test di Cohere su 40 dataset, interrogare con Embed 5 Fast un indice costruito con Embed 5 Pro mantiene il 98,4 % della qualità di una ricerca interamente Pro.

🔗 I modelli di retrieval di Cohere su OpenRouter

Voce: remix delle voci di Gemini 3.8 Flash TTS ed ElevenAgents nei contact center

Gemini 3.8 Flash TTS introduce il remix, che crea una nuova voce a partire da una esistente

4 novembre — Google aggiunge una terza modalità di creazione delle voci a Gemini 3.8 Flash TTS, dopo la progettazione (Voice design) e la replica lanciate il 23 settembre. Il remix delle voci (Voice remixing) parte da una voce esistente, una delle oltre 2 000 voci della libreria o una voce progettata su misura, e la modifica tramite istruzioni in linguaggio naturale: timbro, altezza, velocità, accento o età. Google cita per esempio un leggero accento del sud degli Stati Uniti o una voce da drago sputafuoco.

Sul fronte API, la chiamata POST /v1beta/voices con gemini-3.8-flash-tts crea una nuova voce memorizzata, indipendente dall’originale, utilizzabile con Gemini 3.8 Flash TTS e Gemini 3.8 Flash-Lite TTS, che può a sua volta servire da base per un nuovo remix. In AI Studio, il pulsante Remix this voice propone tre versioni da ascoltare affiancate. È necessario un progetto di livello a pagamento (Tier 1 o superiore); ogni progetto memorizza fino a 200 voci e una voce viene conservata per un anno dopo l’ultimo utilizzo.

🔗 L’annuncio di Google su X · La guida a Voice remixing

ElevenLabs integra nativamente ElevenAgents con NiCE CXone, Genesys Cloud, Amazon Connect e Five9

4 novembre — ElevenAgents, la piattaforma di agenti vocali di ElevenLabs, si integra ora nativamente con quattro grandi piattaforme di contact center, per aggiungere agenti vocali ai flussi di chiamata esistenti senza intervenire sulla telefonia, sul routing o sul CRM. Per qualsiasi altra piattaforma, ElevenAgents si collega tramite SIP (Session Initiation Protocol), con fornitori di telefonia come Twilio, Vonage, Telnyx, Plivo, Bandwidth o Exotel.

Piattaforma di contact center	Modalità di integrazione annunciata
NiCE CXone	Integrazione nativa, CXone mantiene telefonia, routing e report
Genesys Cloud	Audio Connector nativo, senza collegamento SIP (SIP trunking)
Amazon Connect	L’agente IA di Amazon Connect fa intervenire ElevenAgents, poi riprende il controllo
Five9	SIP tramite Five9 AI Agent Connect, un modulo aggiuntivo di Five9

Il post ricorda le oltre 17 000 voci in più di 90 lingue e cita AMC Health, che ha scelto ElevenLabs anche perché Genesys era già la sua piattaforma di telefonia. Non fornisce prezzi né dati sulle prestazioni e prosegue la partnership con Genesys annunciata il 3 settembre.

🔗 ElevenAgents si integra con le principali piattaforme di contact center

Video e musica generativi: Kling 4.0 Flash per tutti e Suno che parte da un file MIDI

Kling rende Kling 4.0 Flash disponibile per tutti, sul proprio sito e tramite API

4 novembre — Kling 4.0 Flash, la variante veloce di Kling 4.0, in accesso anticipato limitato dal 28 settembre, è ora aperta a tutti sul sito Kling AI e tramite API. Kling precisa che è possibile richiamarla anche tramite il suo server MCP, la sua CLI e i suoi plugin, inclusi quelli per Adobe Photoshop, Premiere Pro e After Effects. L’annuncio non indica durata massima, risoluzione o prezzi e le note di rilascio di Kling si fermano al lancio di Kling 4.0, il 15 ottobre. Durante l’accesso anticipato, Kling 4.0 Flash produceva sequenze da 3 a 20 secondi in 720p; nulla indica se questi limiti siano cambiati.

🔗 L’annuncio di Kling su X

Suno permette di iniziare una canzone da un file MIDI

4 novembre — Suno accetta ora un file MIDI come punto di partenza di una canzone: si trascina un file .mid o .midi sulla pagina Create, oppure lo si sceglie dal menu « + », poi si indica in linguaggio naturale cosa deve farne Suno, suonare le note esattamente come sono scritte oppure riprendere un motivo per svilupparlo o affidarlo ad altri strumenti. A differenza di Remix e Cover, che partono da un file audio (WAV o MP3), il MIDI trasmette le note e il ritmo esatti, offrendo quindi un controllo più preciso. Il post cita l’arrangiamento di un MIDI per un’orchestra completa, un coro gospel con pianoforte o un quartetto d’archi fedele agli accordi. Al lancio, la funzione utilizza la modalità Simple Create e il modello v6-wild ed è riservata agli abbonati Pro e Premier; completa l’esportazione MIDI aggiunta il 26 luglio.

🔗 Iniziare canzoni con MIDI

I dots di ChatGPT diventano generalmente disponibili per Enterprise, Edu e Healthcare, attivati per impostazione predefinita il 18 novembre

4 novembre — I dots, gli agenti permanenti di ChatGPT lanciati il 29 settembre per i piani Pro e Business Premium con una beta Enterprise, diventano generalmente disponibili per gli spazi ChatGPT Enterprise, Edu e Healthcare idonei. Un’anteprima riservata agli amministratori prosegue fino al 18 novembre 2026: fino ad allora, i dots restano disattivati a meno che l’amministratore non li attivi; successivamente, diventano disponibili per impostazione predefinita, salvo rinuncia dello spazio di lavoro. Gli amministratori scelgono quali membri possono accedervi, visualizzano i dots personali e le loro connessioni, possono metterli in pausa o riavviarli e ne monitorano l’utilizzo; secondo l’articolo di assistenza, l’attivazione richiede anche policy Agent Security compatibili. Sul fronte della conformità, i dots supportano la residenza dei dati ed Enterprise Key Management, con inferenza ospitata nell’UE o negli Stati Uniti; i dots creati prima della disponibilità generale migrano verso la regione richiesta entro 30 giorni e sono idonei ai fini HIPAA negli spazi coperti.

🔗 Note di rilascio di ChatGPT Enterprise ed Edu

Notizie in breve

Agenti e strumenti di coding

Zed 1.27 e anteprima 1.28 — La versione stabile 1.27 riprende l’anteprima del 28 ottobre (pannello Agent più efficiente nell’uso delle risorse, eliminazione dei punti di ripristino, macOS 12 minimo); l’anteprima 1.28 segue l’ultima versione dell’Agent Client Protocol, tronca a 2 000 caratteri le righe lette dall’agente e corregge tre difetti della compattazione del contesto. 🔗 fonte
Delta 0.24 — Le modifiche di un sotto-thread vengono integrate nel thread principale (/merge-into-parent, /pull-from-subthread), un agente legge un thread condiviso dal solo link e scrive all’agente di un altro thread con delta thread send; i server MCP accettano i token bearer e gli header personalizzati. 🔗 fonte
Copilot CLI da 1.0.106-7 a 1.0.106-9 — Tre anteprime, ancora senza una versione stabile 1.0.106: un comando /code apre la sessione corrente in VS Code, il livello Fusion si imposta in copilot config e 79 correzioni neutralizzano, tra l’altro, nuove sequenze di escape. 🔗 fonte
Gemini CLI v0.67.0 e v0.68.0-preview.0 — La versione stabile promuove la serie 0.67.0 già presentata e la preview raccoglie le nightly degli ultimi otto giorni; unica novità, la nightly del 4 novembre permette a gemini hooks migrate di riconoscere l’evento SubagentStop di Claude Code e aggiunge --userns=keep-id sotto Podman senza privilegi root. 🔗 fonte
Qwen Code v0.26.7 — Gli hook, le autorizzazioni e i language server forniti da un repository non vengono più eseguiti senza che sia stata esplicitamente accordata fiducia alla cartella; qwen serve si apre alle connessioni remote e la scelta forzata dello strumento viene corretta per Claude Opus 5.5, Sonnet 5.5, Fable 5.1 e Mythos 5.1. 🔗 fonte
Kimi Code 2.5.0 — Una sessione può essere avviata in un ambiente SSH, Docker o definito da un comando (--environment) e /model o /effort possono essere utilizzati mentre l’agente lavora; diversi endpoint REST e WebSocket del server vengono rimossi, sebbene la modifica sia classificata tra le correzioni. 🔗 fonte
CLI mistral 0.17.0 — mistral agents init crea un progetto di agente e un’applicazione può incorporare un agente che mistral dev serve in sviluppo e che mistral deploy pubblica, tramite il flag mistral_cli_agents; la connessione mistral login --device viene ora rifiutata. 🔗 fonte
DeepSeek Harness 0.2.2-rc.1 — Prima release candidate della serie 0.2.2 e 37ª anteprima senza versione stabile: riprende soprattutto le alpha già trattate, allinea gli SDK TypeScript e Python alla modalità Web e rimuove lo status sperimentale da Ralph loop e dalla ricerca delle sessioni. 🔗 fonte
Fabbrica del software secondo Zach Lloyd — Sul blog di Warp sostiene che una fabbrica del software (software factory) non si costruisce concatenando prompt e agenti cloud, ma come uno stack: fabbrica descritta in codice, orchestrazione persistente, valutazioni e riesecuzione delle attività passate, integrazioni API e MCP prima di tutto. 🔗 fonte

Piattaforme, API e amministrazione

Together AI e Kimi K3.1 Pro — Together AI rende disponibile Kimi K3.1 Pro il giorno della pubblicazione dei suoi pesi, così com’è oppure dopo un post-training in RL o SFT con Together Post-Training; nessun prezzo nell’annuncio. 🔗 fonte
SDK di OpenAI — openai-python 3.45.0 e openai-node 7.50.0 supportano la cache delle risposte di 12 ore e i livelli di servizio per progetto, annunciati a ottobre; sul fronte Codex CLI, nessuna versione stabile dalla 0.166.0 del 29 ottobre, soltanto anteprime con note vuote. 🔗 fonte
Metriche di utilizzo di Copilot — L’API delle metriche di utilizzo distingue ora l’utilizzo BYOK (bring your own key) locale, conteggiato come limite inferiore, e segnala i modelli aziendali personalizzati con l’indicatore is_custom_enterprise_model; i totali esistenti non cambiano. 🔗 fonte
grok-imagine-image-quality ritirato — Dal 2 novembre, SpaceXSI gestisce le richieste di questo modello di immagini tramite grok-imagine-image-2.0 a bassa qualità, senza modifiche al codice, a 0,04 dollari per immagine 1K e 0,06 dollari per immagine 2K, ovvero 0,01 dollari in meno rispetto a prima. 🔗 fonte
Claude Marketplace — 14 agenti e prodotti partner entrano nel Claude Marketplace, da Chainguard a Zoom passando per Datadog, Netlify, Runway e Glean, per un totale di oltre 25, pagabili utilizzando una parte dell’impegno di spesa Anthropic delle aziende idonee. 🔗 fonte

Sicurezza

Chiave GPG di Warp — Warp rinnova per precauzione la sottochiave GPG che firma una parte dei suoi pacchetti Linux, dopo un incidente di sicurezza non specificato e senza alcun utilizzo fraudolento rilevato; su Fedora 42 e versioni precedenti, RHEL e openSUSE, occorre prima eliminare la vecchia chiave. 🔗 fonte
GPT-5.6 Cyber in AWS GovCloud — I clienti approvati di Daybreak Red accedono a GPT-5.6 Cyber nella regione AWS GovCloud (US-East) tramite Amazon Bedrock, dopo l’approvazione di OpenAI e la successiva attivazione da parte di AWS; AWS lo aveva pubblicato già il 30 ottobre. 🔗 fonte
Mistral Large 4 alle prese con una vulnerabilità di Django — In un video accelerato di 90 volte, 133 agenti mappano il codice, trovano e confermano una vulnerabilità recente di Django, poi Le Chonk la corregge; nessun numero CVE, costo o durata effettiva. 🔗 fonte
CodeQL 2.27.4 — Meno falsi positivi in Java e Kotlin, in Rust e in C/C++, etichetta CWE-730 rimossa dalle query ReDoS in sei linguaggi e file collegati al di fuori della radice di un pack esclusi alla sua creazione; nessuna componente IA questa volta. 🔗 fonte
Guida MCP di Perplexity — Tre famiglie e undici rischi dei sistemi MCP, dall’iniezione indiretta di prompt alla compromissione di un server locale, con le rispettive contromisure; nessun prodotto o dato numerico di Perplexity. 🔗 fonte

Modelli aperti e ricerca

Rilevamento delle voci sintetiche — Due ricercatori dell’Università di Melbourne pubblicano VeriSpoof, un LLM audio da 2,9 miliardi di parametri che rileva una voce sintetica, ne attribuisce la fonte e spiega il proprio verdetto; tasso di errore uguale (EER) medio dell’1,79 % su Speech-DF-Arena per la variante VeriSpoof-Plus secondo gli autori, pesi con licenza non commerciale CC BY-NC 4.0. 🔗 fonte
Field Extractor di Dharma-AI — Un modello da 2B che restituisce i campi di un documento in JSON tipizzato; sul benchmark interno di 546 documenti, 0,834 contro 0,816 per Claude Opus 5, a confronto con modelli che non sono gli ultimi dei rispettivi produttori e senza pesi individuati sull’Hub. 🔗 fonte
OTAP di Cribl — Una metrica che valuta un agente in base alla struttura del suo piano, allineata tramite trasporto ottimale a piani di riferimento; secondo gli autori, concorda meglio con i valutatori umani rispetto a ROUGE-L su 236 traiettorie (0,74 contro 0,64). 🔗 fonte

Agenti per il grande pubblico

Grok Bot e gli acquisti — Il 3 novembre, l’agente di SpaceXSI propone un’esperienza di acquisto: trovare l’offerta migliore, confrontare articoli e seguire tutti gli ordini; nessun paese, piano o commerciante specificato. 🔗 fonte
Grok Bot al telefono — Il 4 novembre, l’account @bot annuncia che Grok Bot può effettuare chiamate telefoniche, con un video a dimostrazione, senza indicare paesi, piani o prezzi. 🔗 fonte
Get Maine Lobster e Computer — In un progetto pilota proposto da Perplexity, con un budget di test di 30 000 dollari fornito da Perplexity, la campagna Meta di Computer registra un ritorno sulla spesa pubblicitaria (ROAS) superiore del 63 % e 3,5 volte il fatturato a fronte di 2,1 volte la spesa, rispetto alle pubblicità abituali del cliente. 🔗 fonte
MotionSites in Computer — La skill di @viktoroddy permette all’agente di Perplexity di costruire siti animati in WebGL, con animazioni durante lo scorrimento, a partire da 40 progetti di riferimento e 52 risorse ospitate; disponibile per tutti sul web. 🔗 fonte
Manus in 3D — Manus trasforma le foto in una versione 3D giocabile dell’utente, da inserire nei mondi creati con l’agente, proseguendo il percorso di Game Dev; nessuna indicazione sul piano o sul costo in crediti. 🔗 fonte

Immagini, video e creator

HeyGen Video 1 su mobile — Il modello video di HeyGen arriva nell’applicazione HeyGen su iOS e Android, senza precisazioni su prezzi, durata o risoluzione. 🔗 fonte
Pika H3 Flex — Il modello arriva ufficialmente sulla piattaforma Pika, due giorni dopo la data annunciata, con 15 generazioni gratuite al giorno fino al 15 novembre per gli abbonati Creator e Fancy. 🔗 fonte
Character Sheet di Luma — Il giorno dopo Expression Sheet, una scheda del personaggio coerente con più viste, creata a partire da riferimenti o da una descrizione, con otto layout; nessun post o prezzo. 🔗 fonte
HyperFrames — La famiglia di strumenti video di HeyGen dichiara oltre 700 000 utenti mensili, senza specificare il metodo di calcolo, e apre un Discord dedicato alla propria community. 🔗 fonte

Cosa significa

I pesi aperti raggiungono la scala dei modelli di frontiera, a determinate condizioni. Kimi K3.1 Pro, con 2,8T di parametri e circa 1,56 TB di file, è liberamente scaricabile, e Together AI lo rende disponibile e offre il post-addestramento fin dal primo giorno. La sua licenza mostra però dove finisce l’apertura: oltre i 20 milioni di dollari di fatturato, un rivenditore deve negoziare con Moonshot AI, e già il 29 ottobre la licenza di Mistral Large 4 subordinava l’offerta del modello come servizio a una licenza commerciale. L’infrastruttura segue: Together Compiler affida agli agenti l’ottimizzazione di modelli aperti con architetture tutte diverse e dichiara fino a 2,6 volte più token per GPU. Al contrario, Cognition per ora non rilascia i pesi di SWE-2 Flash a causa del rischio cyber e cambia modello di base: SWE-2 si basava su Kimi K3, SWE-2 Flash su un modello americano.

Gli agenti di programmazione si integrano e si dotano di strumenti. VS Code fa lavorare Copilot, Claude e Codex nella stessa sessione, Copilot entra nell’assistente nativo di Xcode e OpenAI acquisirà gli strumenti Git già usati da Codex, due giorni dopo aver presentato Pando: la gestione delle versioni diventa un terreno strategico quando gli agenti moltiplicano i branch. Il costo rimane l’altro fronte. SWE-2 Flash costa un quinto di SWE-2 secondo Cognition, e Anthropic affida a Haiku 5.5 la riga di stato dei sottoagenti per ottenere circa il 6 % di prompt in più a parità di limite.

La valutazione esce dal banco di prova. RoboColosseum fa valutare le policy robotiche su robot reali, in abitazioni e ristoranti, e il risultato ridimensiona le classifiche: i modelli di frontiera competono con i VLA specializzati, ma nessun sistema è affidabile in un mondo aperto e nessuno porta a termine neppure un compito sull’umanoide G1. La Decisions API di Perplexity parte dalla stessa constatazione sul versante software: un modello che conosce solo il proprio addestramento sbaglia sull’attualità, e la ricerca web fa passare pplx-decider-v1.2 dal 51 % all’86 % su un benchmark pubblico. In ambito scientifico, la verifica diventa il risultato da consegnare: FVCOM in Rust concorda con il Fortran fino a 12 cifre decimali su 100 simulazioni, e Anthropic pubblica gli errori di Claude insieme ai suoi risultati.

La filigrana diventa un’impostazione predefinita dettata dalla normativa. SpaceXSI la attiva il 7 novembre su sette modelli Grok in nome dell’AI Act, e solo un’attestazione di esenzione prevista dalla legge permette di farne a meno; Anthropic ha esteso la propria il 3 novembre, mentre OpenAI lascia la sua disattivata per impostazione predefinita. Per gli sviluppatori, la differenza non si vede nel testo, ma nell’header di risposta e nella responsabilità: disattivare la filigrana significa farsi carico da soli dei propri obblighi di marcatura.